股权结构、投资和公司绩效：变量综述

数据和变量 不可引用齐鲁工业大学 邵林 本书第二章已经对股权结构、投资和公司绩效的三者相关性的文献进行了详细的回顾，第三章对这一问题又给予了理论上的支持和方法上的指引。为了揭开股权结构、投资和公司绩效三者的之间的真实相关性，本章我们将通过设定相关计量模型，并通过数据调查对三者的相互关系进行进一步的研究。本章的结构安排如下：首先第一部分给出如何选择本书研究的样本、阐述数据的来源和挑选标准；第二部分的内容主要是变量解释，包括对被解释变量和解释变量的详细解释。第三部分主要对在模型中会出现的控制变量进行描述。第四部分提供了变量的统计性描述。第五部分呈现的是相关性统计。为了检验变量的平稳性问题，第六部分提供了变量的单位根检验过程及其结果。最后是本章小结。4.1 数据筛选和样本选择本研究的样本选择参考过去以往研究者的方法，本书选取样本期1999年至2012年共14年期间，在上海证券交易所和深圳证券交易所上市的350家上市公司的数据为研究样本，总体样本数值为4900个观测值。本书的研究选择的数据类型为平行面板数据。在之前的章节谈到，面板数据是处理内生性的一种有效方法，它能够降低来自不可观测的异质性带来的内生性的问题。本书参考之前许多学者的研究样本（Himmelberg et al.，1999；Chi,2005; Wintoki et al.，2012），选取面板数据作为本书的研究样本，以减轻不可观测的异质性给股权结构和公司绩效两者相关性带来的可能偏误。同时，对不可观测的异质性问题，我们将考虑使用固定效应模型或随机效应模型去解决这一问题（Arellano & Bover, 1990）。本书的数据来源于以下三个数据库：一是中国经济研究中心的CCER数据库，来自于成都色诺芬信息技术有限公司和北京大学，具体有一般上市公司财务数据库，CCER上市公司治理结构数据库和CCER股票价格收益数据库。二是来自于国泰安信息技术有限公司（GTA）和香港大学的CSMAR数据库，具体包括CSMAR中国上市公司治理结构研究数据库、CSMAR中国上市公司财务指标分析数据库、CSMAR中国股票市场交易数据库和CSMAR中国上市公司财务报表数据库；这两个数据库是在中国资本市场上是比较重要的数据库（Kato & Long 2005, Firth et al., 2006, 2007）。三是来自北京的聚源锐思数据科技有限公司的锐思数据库（RESSET）。其中，股权集中度的数据来自于锐思数据库。托宾Q值和投资的数据信息来自于CSMAR数据库。其他控制变量的信息来自于CCER数据库。本书对样本筛选使用的标准如下：（1）由于金融行业和其他行业不同，使用的会计标准差异性也很大，本书未统一研究标准，将金融类公司数据完全剔除；（2）对不同市场因素、制度因素影响效果进行分析，我们将存在于A股、B股、H股中同时发行的股票样本剔除；（3）如果存在ST、*ST、*ST、PT类损失，那么公司绩效明显会出现不稳定的变化，所以要将上述公司类型剔除（4）数据可靠性的提高需要有连续有价值的公司经营数据为支撑，对不能提供持续经营信息的公司不考虑；（5）数据不全、有问题的公司剔除样本。本数最终确定的公司样本数量是350家，选择他们连续14年平行面板，可以获得有效观测样本点为4900个，分布在各个行业的样本数据中，附录中有详细解释。4.2 变量描述 这部分内容主要呈现的是变量描述，具体包括被解释变量、解释变量和控制变量的含义、及其计算方法和作用。4.2.1 公司绩效的衡量在本书研究中，我们将使用托宾Q值和资产收益率（ROA）两个绩效代理变量去解释公司绩效。托宾 Q 值为公司的市场价值与公司资产重置成本的比值，是一种基于市场价值的绩效计算方法。托宾Q值在过去的大量实证文献研究中已经被广泛运用（Morck eta al.,1988; Hermalin & Weisbach, 1988; McConnell & Servaes, 1990；Hermalin et al., 1998；Cho,1998; Himmelberg et al.,1999；Demsetz, 2001; Chi, 2005; Cheung & Wei, 2006; Hu & Lzumida, 2008; Wintoki et et al., 2012）。如果Q1，说明企业市场价值比重置成本小得多，选择这个时间收购对企业来说是扩张最佳时期，投资需求会大大减少；如果Q1，那么说明二者中市场价值更高，厂商投资可以通过购买投资品来增加支出；如果Q=1，那么说明投资与成本运行处于动态均衡模式。本书提倡使用托宾Q值计算法来进行处理：托宾Q值=（年末权益市场价值+年末负债净值）/ 年末总资产的账面价值。 托宾Q值用来控制公司绩效对投资的影响。公司绩效水平高的公司会有更多的投资机会，因此公司就会选择更多的投入。其他学者（Hoshi, 1991; Kaplan & Zingales, 1995, 1997）通过实证研究也指出投资与托宾Q值有显著影响。资产收益率（ROA）。总资产收益率是一种基于账面价值的会计绩效衡量方法（Chu,2007；Demsetz & Lehn 1985；Demsetz & Villalonga 2001； Hu & Izumida 2008）。总资产收益率 = 净利润/平均资产总额，其中：平均资产总额=（年初资产总额+年末资产总额）/2100%。相比较净资产收益率 ROE，总资产收益率 ROA 是一个更为有效的指标，它的高低直接反映了公司的竞争实力和发展能力，本书选用总资产收益率 ROA 取代净资产收益率 ROE 作为反映公司绩效的指标之一。资产收益率和托宾Q值作为衡量公司绩效的指标有两处明显不同之处（Demsetz & Villalonga 2001; Kapopoulos & Lazaretou 2007）。首先两者不同在于时间维度侧重不同。托宾Q值是基于投资者对公司绩效在未来时间里的考虑，代表公司在未来时间里的长期收益。而资产收益率（ROA）主要侧重于估计过去发生的公司绩效，是一种短期绩效的指标。二者不同之处还在于指标的使用者不同。资产收益率（ROA）的使用者是会计人员，而会计人员往往会受到其职业道德和来自会计准则和规范的约束（Demsetz & Villalonga, 2001），也就是说资产收益率的结果通常易受到来自会计人员的不同的会计实际经验的影响。例如，固定资产折旧和无形资产摊销的处理就会因为选择不同的会计准则去处理而不同，而不同的会计人员在选择不同的方法去处理的时候又会造成不同的结果。奥斯瓦德等（Oswald et al., 1991）指出两个公司的可能因为使用了不同的会计方法（例如折旧的处理方法）而提供了两份不同的财务报告。托宾Q值作为衡量业绩的指标，其数值大小容易受到来自投资者或股东个人的兴趣、情绪等因素影响（Demsetz & Villalonga, 2001）。博德曼（Boardman, 1997）等指出会计核算指标仍然广泛使用是因为会计指标在估计绩效的时候更加稳定，不会受到像托宾Q值一样的主观因素的影响（Martin, 1993；Boardman et al., 1997）。按照托宾Q值理论的演变来说，市场价值、资产重置成本间比率就是Q值，而实践过程要根据企业资产重置成本情况，将其成本进行公式计算，但是很多实证研究结果都显示，公司重置成本很难直接被取得，所以选择的公式也很难确定。以常见的企业年初总资产账面价值为例，是可以被替代作为重置成本的项目，在实证研究中， 托宾Q值的分母上的重置成本往往被公司资产的账面价值替代，在我们的研究里我们也使用资产的账面价值作为重置成本的替代变量。但是由于受到来自通货膨胀和会计政策的影响，我们在实证研究中确定账面价值通常也很困难，重置成本也很评估。另一方面，根据德姆塞茨和维拉陇格（Demsetz & Villalonga ,2001）的研究显示，托宾Q值和资产收益率两个变量之间是有一定的联系的。托宾Q值的分子在一定程度上也会影响到会计收益率的大小。例如股票市场上股票价格上涨也会推动公司的经济效益，进而提高公司的会计收益率。在本书研究中，资产收益率和托宾Q值的相关系数为0.45。在本书的实证研究中，本书主要使用资产收益率作为公司绩效的代理变量。因为目前我国资本市场的发展还不是十分完善，股票价格波动比较大且不稳定（Liu Yuanyuan et al., 2011；Shi Dongyong, 2002；Yang Jungai, 2005），但是作为稳健性检测的考虑，我们同时也会使用托宾Q值作为公司绩效的代理变量进行回归。4.2.2 股权结构的衡量 在第三章已经谈到本书使用股权集中度衡量股权结构的分布状况。根据之前的大量文献显示，第一大股东持股比率（CR1）、前五名大股东持股比例之和（CR5），或者前十名大股东持股比例之和（CR10）都可以用来衡量股权集中度（Demsetz & Villalonga,2001; Welch, 2003; Hu & Izumida,2008；zhou,2011）。第三章已经介绍了我国上市公司的股权结构特点之一就是第一大股东持股比例高于其他股东持股比例之和，说明股权集中程度较高，因此本书选择第一大股东的持股比例作为股权集中度的代理变量。前五名大股东持股比例之和（CR5），或者前十名大股东持股比例之和（CR10）被用来进行稳定性检验。 第一大股东的持股比例是第一大股东是控股能力的主要体现。在英美公司治理模式下的国家，上市公司的股权结构分散，股权集中程度低下，不存在绝对控股的股东存在。在之前的大量英美发达国家为样本的文献里，管理层持股通常作为股权结构的代理变量（Demsetz & Villalonga, 2001; Himmelberg et al., 1999; Loderer & Martin, 1997; Bhabra, 2007; Davies et al., 2005; Cheung & Wei, 2006; Berkiris, 2010; etc.）。而在我国，股权集中程度高，国有股比例大，但是管理层持股比例很微小。在本书样本中，管理层持股的平均值是3.19%（来自表3-2）。管理层持股对公司绩效的影响很微弱。根据相关系数矩阵发现，管理层持股与股权集中度的相关性只有0.06，这意味着第一大股东对管理层的利益的忽视甚至是剥削，管理层对第一大股东的监督和约束几乎是不存在的。基于此本书选择第一大股东持股比例作为股权结构的代理变量。4.2.3 投资支出投资支出广义概念中，指的是企业经营性长期资产投资活动带来的支出情况，简单而言企业金融支出（不包括短期投资、委托理财等）中的厂房新增、设备增加、企业并购合资等，都属于长期性的投资活动类型。在进行研究开发（R&D）的时候，需要将产品市场进行多元化处理，重新对经营布局进行调整，确定具体的支出成本。狭义角度表示，投资支出指的是企业对固定资产的直接投资行为，包括固定资产新增、长期资产投入等造成的支出情况。在实证研究中，固定资产和无形资产都被用来估计企业投资。再具体处理上，一般使用固定资产账面价值除以资产的重置成本，用无形资产账面价值除以资产的重置成本，这样处理的目的是为了控制公司资产的总成本大小。曹（Cho, 1998）以美国上市公司为研究样本，在其实证研究中使用了两种计量投资变量的指标，即资本支出（固定资产：厂房、机器设备）和研发支出（研究和发展费用）。在他的研究中，投资变量也进行了标准化处理。希梅尔伯格（Himmelberg, 1999）等在他们的研究中使用研发支出（R&D）作为投资变量的代理变量，并且使用研发费用除以资本支出进行标准化处理。胡和泉田（Hu & Izumida, 2008）以日本上市公司为研究样本，在其研究中构建了包括投资变量在内的联立方程组。其中投资使用研发费用代替，并且研发费用除以销售收入加以标准化。希（Chi, 2009）以美国上市公司为研究样本，也使用研发费用（R&D）作为投资变量的代理变量，并且除以资产的账面价值标准化。伊里图加和桑斯（Iturriaga & Sanz, 2001）在其研究中使用固定资产增长率和无形资产增长率作为投资的代理变量。在本书研究中，我们也适用类似的变量去作为投资的代理变量。投资变量的分子是来自固定资产无形资产和其他资产的现金流出减去来自固定资产无形资产和其他资产的现金流入的净额，分母是资产的账面价值进行标准化。由于固定资产增长率容易受到会计政策的选择影响，在我们的研究中，没有采用研发费用作为投资的代理变量原因是大部分中国的上市公司在2007年之前并不对外公布研发费用的信息，因此获取研发费用信息十分困难。自从2008年开始，根据证监会的要求，上市公司开始陆续公布研发费用信息。本书的投资变量的数据信息来自于现金流量表。4.3 控制变量描述控制变量的选择对于我们研究结果的可靠性具有重要的作用，根据以往学者的研究和本书的考察范围，本书将选取以下控制变量： 1、公司资产负债率（LEVERAGE）。资产负债率又叫财务杠杆。已有研究表明，杠杆系数反映的是债权人对公司施加的影响。一方面，随着负债率的提高，将带来更多的税费优惠，另一方面负债率的提高也增加了企业的破产风险，因此它与公司绩效是密切相关的。本书采用负债总额除以年末总资产的比值来度量公司的财务杠杆，以此作为控制变量。之前大量的文献（Demsetz & Villalonga , 2001; Chi, 2005; Hu & Lzumida, 2008; Zhou,2011; Wintoki, 2012）都使用资产负债率来衡量公司的负债水平。迈尔斯（Myers, 1977）以美国上市公司为研究样本，指出公司负债水平的高低能够阻碍公司投资规模的大小。也就是说，如果公司负债规模过高，公司没有更多的资本用于投资，那么这会直接影响到公司绩效的大小。斯图斯（Stulz, 1988）以美国上市公司为研究样本，也指出如果公司的负债规模可以防止公司被接管，降低被收购的可能性。因为没有一个新的公司愿意去收购负债累累的公司。曹（Cho, 1998）以美国上市公司为研究样本，发现公司负债规模与公司绩效呈反向关系。然而来自其他学者（Jensen, 1986; Stulz, 1990; Hart & Moore, 1995） 以美国上市公司为研究样本的研究显示，公司负债规模有利于提高公司的绩效水平，减少公司流动性风险的大小。鉴于此原因，在债务有效约束机制的前提下，债务融资是反映出公司经营质量水平的高低，在一定程度上能提高公司的绩效水平，这种情况下负债能够降低过度投资给公司造成的危害（McConnell & Servaes, 1995）。 另一方面，一些学者（Agrawal & Knoeber, 1996; Beiner, 2004）以美国上市公司为研究样本的研究中发现公司负债水平与公司绩效之间没有相关性。他们指出公司负债水平仅仅是公司的一项普通的公司治理机制。在中国资本市场上，国有企业改革造就了大量的上市公司，即使公司存在大量的负债，但是企业性质决定了国有企业的经营者们并不担心企业有被收购的可能。相反，企业的经营者们会多举债，增加企业的负债规模来增加对企业的控制力，而这一切都会导致公司绩效水平的下滑。同时，在我国，因为资本市场债务融资能力很有限，国有上市公司的负债的来源主要是各大国有商业银行，国有银行无法对国有企业的经营行为进行“自己对自己”的有效的监督。这样就可能导致公司随意举债而不计后果，公司不需要担心大量的负债需要偿还。如果举债投资成功，公司绩效得到提升；如果举债投资失败了，国有商业银行会对此买单。 黄（Huang, 2006）和 兰（Lan, 2008）通过实证研究发现，在考虑的内生性的前提下，公司绩效与企业负债水平之间是负相关关系。因此我们的预期是假设公司的负债水平和企业绩效呈现负相关关系。2.公司规模（SIZE）。一般来说，衡量公司规模大小可选择人数、资产规模和销售额等，使用资产指标相对人数指标而言，可以降低一些劳动密集型行业特点的影响，而且，随着公司规模的扩大，由于规模效应，将提高公司业绩。前人的研究表明，公司规模对公司绩效和公司股权结构有一定的影响。肖特和克尔赛（Short & Keasey, 1999）以美国上市公司为研究样本，在其研究中发现公司资产规模对公司绩效产生积极的显著的影响。资产规模大的公司有能力避免财务约束的限制，能够有更多的机会和能力进行投资。法玛和法兰奇（Fama & French ，1992）使用美国上市公司作为研究样本，在研究中指出公司绩效与公司资产规模呈现负相关。韦尔奇（Welch, 2003）的研究也证实了公司绩效与公司资产规模存在逆向影响关系。希梅尔伯格（Himmelberg, 1999) 等在研究中也证明了这观点，公司资产规模处于小规模水平时能够积极的促进公司绩效的提高，当公司提高资产规模后反而对公司绩效有阻碍影响。本书以公司年末总资产的自然对数值作为公司规模的衡量指标。3.公司现金流（LIQUIDITY）。詹森（Jensen，1986）指出，当企业的自由现金流很多时，管理层和股东的代理问题会更加突出。按照詹森（Jensen）的理论表明，当企业拥有过多的自由现金流时，由于管理层和股东的代理问题使公司的绩效表现不佳，而当企业拥有较少的自由现金流时企业的绩效会表现不错，即企业的自由现金流和企业的绩效呈负相关。由于企业拥有较多的自由现金流时，现存的投资风险使企业的管理层可能对于未来的投资项目兴趣不高。公司现金流状态用于衡量公司资产的流动性能力（Fazzari et al., 1988; Hoshi et al.，1990 ，Cho，1998）。曹（Cho, 1998）在其研究中把现金流量定义为公司税后净利润与折旧之和，并且使用公司现金流与公司资产规模的比值作为衡量公司资产流动性能力大小的指标。胡和泉田（Hu & Izumida, 2008）在其研究中定义资产流动性等于公司现金流量与公司资产的比值，用以控制公司现金流对公司投资的影响。在作者的研究中发现，公司资产流动性水平强的公司往往促进公司绩效的提高，使公司获得更多的投资机会。4.公司特有风险（RISK）。德姆塞茨和莱恩（Demsetz & Lehn，1985）在考察公司绩效和股权结构时即考虑到公司特有风险对公司绩效和股权结构的影响，一些学者（Cho, 1998; Himmelberg, Hubbard & Palia, 1990）等学者在以后的研究中都探讨了公司特有风险对公司绩效和公司股权结构的影响。当公司风险发生改变的时候，股权结构随之也可能会相应的做出调整。德姆塞茨和维拉陇格（Demsetz & Villalonga，2001）在其研究中发现，当公司所处的资本市场上的系统风险比较高的时候，公司自身的特有风险也相应会比较高。这时候，高风险对公司的内部和外部的投资者的投资预期会产生影响，因为这种影响的存在，使对投资风险的估计变的很困难。希梅尔伯格（Himmelberg, 1999）等也暗示公司特有风险如果变大，公司最优股权结构会因为风险反转而改变。德姆塞茨和莱恩（Demsetz & Lehn，1985）对风险和股权结构的关系给出了另一种解释。德姆塞茨和莱恩（Demsetz & Lehn）指出当上市公司的自身公司特有风险比较大的时候，公司的管理层在做决策的时候就会因为风险因素而变得犹豫不决，进而公司的管理层对公司的最优股权结构会产生积极影响。库伊和马克（Cui & Mak, 2002）在其研究中提到了两种衡量风险的方法：一是资产净利率（ROA）的标准差；二是资本资产定价模型（CAPM）的标准残差。在我们的研究中，本书沿用前期学者们（Demsetz & Lehn, 1985; Drakos & Bekiris, 2010; Cui & Mak, 2002）以及德姆塞茨和维拉陇格（Demsetz & Villalonga, 2001）对公司特有风险的定义，结合国内研究我们定义，企业特有风险为不考虑现金红利投资的月个股回报率的标准差。5.公司成长性（GROWTH）。公司成长性代表着公司成长机会的大小。默克（Morck, 1988）等在其研究中指出成长机会较多的公司对公司绩效会产生重要影响。Zhou（2011）在其研究中使用公司成长性作为模型中的一个控制变量后发现，公司成长性对公司绩效有很大影响。公司成长性指标一般有两种计量方法：一是公司资产的增长率（Cui & Mak, 2001; Zhou, 2011）；二是公司营业收入增长率（Bhabra, 2007；Chi, 2005；Short & keasey，1999）。本书借鉴库伊和马克（Cui & Mak, 2002）的变量定义,我们用企业总资产增长率表示企业成长性。在有效的资本市场上具有高成长性的公司相对应有更好的股票定价和绩效。6. 固定资产比重（TANGIBLE）。公司固定资产的比重能够反映公司的资产结构状况（Guo, 2005; Chu & Wang, 2008）。在本书中，固定资产比重的定义为企业固定资产规模与企业资产规模的比值。分子上固定资产规模包括固定资产、在建工程等；分母上资产规模用资产的账面价值代替。企业的资产结构会影响到是否企业投资的水平，进而会影响到公司绩效。 固定资产规模比重较高的企业说明企业资产的流动性弱，进而会影响到企业现金流量的大小。而现金流是否充足会影响到投资的效果。7. 国有股持股比例（STATE）。在本书研究中，国有股持股比例的计算方法是公司国有股比重在公司总股本中的比重。在我国上市公司的股权结构构成中，国有股股权属于非流通股，无法在市场上流通。在我们的调查样本中，国有上市公司所占比重比较大，上市公司中国有股比重越大，这个公司的股权集中程度就越高。尽管在股权分置改革之后国有股的比例有了明显下降，但是国有股的持股比例与第一大股东中国有股的持股比例仍然有显著的积极联系，说明国有股份仍然对上市公司掌有控制权。在实证研究中，国有股持股比例对公司绩效影响的实证结果并不一致。一些学者认为国有股持股比例对公司绩效会产生消极影响（Shleifer & Vishny, 1996）。林、方和周（Lin, Fang, & Zhou, 1998）在其研究中发现公司股权结构中国有股持股比例下降会导致严重的代理成本问题，进而会降低公司绩效；然而另外一些学者却认为，在发展中国家或经济转型国家中，上市公司的国有股持股比例会对公司绩效产生积极的显著影响（Jefferson, 1998; Stiglitz, 1996, 1997; Sun et a., 2002; Kim & Kuang, 2012）。 8. 法人股持股比例（LEGAL）。在本书研究中法人股持股比例定义为公司法人股股权比例与公司总股权的比重。在我国资本市场上，法人股和国有股一样属于非流通股，不能在资本市场上自由买卖流通。前面已经提到法人股股东的目标与国有股股东目标是不一致的，但是法人股里包括国有法人股和非国有法人股，因此法人股持股比例对股权集中度或公司绩效的影响结果比较含糊。9.流通股持股比例（TSH）。在本书研究中，流通股的计算公式是公司流通股的持股比例与总股权持股比例的占比。在经历过股权分置改革之后，资本市场上的流通股的比例大幅度提高，盘活了资本市场，推动了资本市场的发展，有助于提高企业的绩效。10. 第一大股东性质（TOP）。上市公司第一大股东的所有权性质不同，其治理效率和公司业绩也不同。有研究表明，第一大股东为非国家股股东的公司，公司治理的效力更高，有着更高的企业价值和更强的盈利能力。因此我们控制了第一大股东的性质。第一大股东变量我们采用虚拟变量的形式。如果公司第一股东是国有属性，取值为“1”；否则取值为“0”。考虑到时间因素在整体过程中的影响，在本书研究的模型加入了时间变量。 时间变量主要是反映微观经济环境对估计结果的影响，包括经济周期、通货膨胀和资本市场的波动对估计结果可能造成的影响。由于本书研究的样本是1999年至2012年的数据，我们选择13个时间哑变量来处理由于时间的不同对我们结果的影响。同样，我们也考虑到行业因素对估计结果的影响，我们的模型中加入行业变量。在我们的研究中，我们参照中国证监会的2012年度颁发的行业分类标准对样本中的公司所在的行业进行归类和整理。行业因素的整理后结果在附录里有详细介绍。表4-1是本书中出现的所有变量的具体定义；表4-2是所有变量的描述性统计，包括变量均值、中间值、最大值、最小值和标准差。4.4 描述性统计表4-2 是所有变量的描述性统计（1999年-2012年）。4.4.1 股权结构的描述性统计通过表4-2所列示的内容，我们可以看到第一大股东持股比例的最大值是89%，最小值4%，说明我国上市公司的持股范围很大。第一大股东的持股均值为是40%，而管理层持股比例均值0.13%，这表明整体上我国上市公司第一大股东处于控股地位，管理层持股比重却普遍不高，股权政策的激励作用可能还未得到充分发挥。 第一大股东的持股中间值是38%，说明我国大部分上市公司的第一大股东持股比例比较大，大部分上市公司的第一大股东的地位举足轻重，也说明第一大股东持股比例低的公司数量不多。我们还能看到第二大股东持股比例（CR2）到第五大持股比例（CR5）的均值之和是12%，远远低于第一大股东持股比例（CR）的均值40%，这些都足以说明我国上市公司的股权结构特点是股权高度集中，第一大股东持股比例占绝对优势。管理层持股比例均值为0.13%，而第五大股东持股比例均值就已经是1%。管理层持股的中间值是0.03%，这说明我国上市公司的管理层持股比例不但低下，大多说的上市公司管理层持股的比例都偏低。不过管理层持股比例虽然偏低，但是这些年呈现上升趋势。表4-3和图4-1提供了第一大股东持股比例（CR）每年的变化情况。表4-4和图4-2提供了管理层持股比例在1999年至2012年期间的变化趋势。4.4.2 公司绩效的描述性统计在1999年至2012年期间，公司绩效托宾Q值的最大值是14.98，最小值是0.59，均值是2.08，中位值在1.69，托宾Q值的变化幅度比较大，显示上市公司绩效总体变化差异比较大。我们把我国上市公司的托宾Q值和美国上市公司的托宾Q值完全不同，在美国证券市场托宾Q值总体波动幅度变化中，我们可以看到中位数是小于1的，且托宾Q值会呈现出明显的均值回归特性。美国是金融世界资本运营效率最高的国家，可以看到非常清楚的托宾Q值假说。具体到金融市场上：托宾Q值波动区域是0.4,1.6，表示美国各个企业中的托宾Q值非常稳定，说明股票市场有着较为便捷和健全的套利机制。只要保持中位数、平均数都在1以下，这与美国经济制度中对创新的鼓励直接相关，托宾Q值可以表现出明显的均值回归特点。但是中国股票市场中，不管是制度还是运行方法都存在着缺陷，很多资金投机特点都很明显，中国A股上市公司托宾Q均值、中位数，都比1要大出很多。托宾Q值在2000年达到了顶峰，然后慢慢地在2005年下降到了低点。截止2005年，中国股市多年持续走低，国有股减持，股市一片低迷。在2005年，我国开始启动股权分置改革，大量的上市公司开始伪造虚假的公司绩效信息，其目的就是为了能够在2006年上市公司能够以高价公开发行股票。因为在2006年，经历过股权分置改革以后，大量的国有股股份纷纷转变为流通股股份得以在资本市场上流通。从图上可以看出，托宾Q值在2007年显著得到提升并且达到了顶峰，但是2008年又再一次跌入谷底，这是因为2008年的世界经济危机给中国股市造成的冲击所带来的结果。在2009年，托宾Q值再一次反弹，但是和2000年和2007年相比，2009年的上涨幅度小于2000年和2007年的幅度。图4-3反映了托宾Q至在1999年至2012年期间的变化趋势。公司绩效ROA在1999年至2012年的样本期间变动比较频繁并且呈现下降趋势。ROA变量均值为0.04，中间值为0.03，最大值2.68,最小值-0.97。 在2005年和2008年，ROA达到了两个低值点，这一变化与托宾Q值的变化比较相似。图4-4呈现了公司绩效ROA在1999年至2012年的变化趋势。4.4.3 投资的描述性统计在1999年至2012年样本期间，投资支出变量呈现不断下降趋势，其中最小值-0.91，最大值1.48，均值0.067，中位置0.043。 投资支出增长率呈现不断下降趋势，说明企业投资的速度放缓，投资的规模变小。表4-5显示了投资支出变量在1999年至2012年的变化趋势图。 4.4.4 控制变量的描述性统计 对于其他控制变量，资产负债率的均值为48%，中位置为49%，最小值是49%，最大值为4.46，显示出各上市公司之间的债权融资水平严重不均，而且上市公司负债率水平明显过高。 公司规模均值为21.73，中位值21.66，最小值19.04，最大值26.66，而且公司资产规模在1999年至2012年期间呈现不断增长趋势，结合负债水平过高的现象判断，国有上市公司利用自身优势过度债权融资。公司特有风险均值是0.12，中位值是0.11，最小值0.02，最大值1.12，从这里能够看出公司风险水平彼此差异比较大。公司成长指标均值17%，中位值10%，最大值23.89%，最小值-8.99%， 这暗示着在这14年的样本期间公司资产增长率为17%，公司的资产规模不断扩大。公司现金流的均值是0.02，中位值是0.01，最小值-0.52，最大值0.49。 公司现金流的分布显示不均匀，说明不同上市公司的盈利能力差异比较大，这也可能与经济环境有关，也可能与公司所处行业环境有关。但是从整体上能够看出上市公司总体现金流的创造能力不足，这会影响到公司绩效的水平。固定资产比重变量均值是0.29，中位值是0.27，最小值为0，最大值为89%。通过这个指标可以看出上市公司总体资产结构的变化差异比较大。大部分公司固定资产的比重不超过50%，固定资产比重不高会一定程度上影响公司现金流的创造能力。国有股持股比例变量均值是25%，中位值22%，最小值0，最大值89%。这说明我国上市公司中国有股持股的比重不是很大，至少大部分上市公司的国有股持股比重经过股权分置改革以后得到明显下降。但是仍然有些国有上市公司的国有股持股比重比较高。法人股持股比重变量均值15%，中位值2%，最小值0，最大值85%。我们可以看出法人股持股比例与国有股持股比例状况基本相似。大部分上市公司的法人股比例比较低，少数上市公司法人股比例比较高。作为比较，流通股的均值71%，中位值100%，最小值31%，最大值100%，我们可以看出流通股持股比例在样本期间增长较快，说明从2005年开始的股权分置改革的效果基本比较好，截止200n8年基本达到目的。上市公司的非流通基本上已经转为流通股了。第一大股东属性变量均值为17%，说明在我们的样本选择绝大部分上市公司第一大股东不是国有企业。4.5 相关性分析表4-5是对各变量的进行Pearson相关检验的结果。从表中我们可以看出，股权集中度变量（CR）与公司绩效变量托宾Q值和资产净利率（ROA）均呈现积极的显著影响，这暗示着第一大股东持股比例对公司绩效会有积极的显著推动作用。但是我们发现资产净利率（ROA）与第一大股东持股比例（CR）的相关性比托宾Q值与第一大股东持股比例（CR）的相关性要高许多。我们还发现净资产收益率（ROA）与托宾Q值的相关系数为0.26，这意味着这两类公司绩效指标的替代性不高。不同的绩效表示方法对股权结构的影响较大，主要体现在资产净利率（ROA）与托宾Q值上。当公司绩效用托宾Q值表示时候，第一大股东持股比例的符号与资产收益率（ROA）作为公司绩效代理变量的时正好相反，除此之外，两者分别与公司资产规模（SIZE）的相关性上也是方向相反。资产收益率（ROA）与公司资产规模（SIZE）呈现积极的正向作用，而托宾Q值与公司资产规模（SIZE）却呈现负相关的显著作用，这意味着公司规模比较大对公司近期的绩效有显著影响，但是对公司未来的绩效影响却不明显。此外，托宾Q值与公司资产规模的负相关关系也暗示着小公司往往成长率比较高，发展速度比较快。这些情况可以从资产收益率（ROA）与公司成长性呈现正向积极作用可以看出来。上述这些情况说明了绩效的不同计量方法会对结果产生影响，,同时说明在分析时有必要把几者列出来加以比较。为避免重复，下文的分析中我们先用ROA作为绩效的代理变量进行回归，然后在稳定性检验中再列出其它绩效表示方法的回归结果。管理层持股比例与公司绩效托宾Q值之间呈现正相关关系，但是两者的相关性仅仅为0.0004且并不显著。这暗示着上市公司的管理层持股并不能对公司绩效产生影响；但是管理层持股比例与资产净利率（ROA）有显著的积极影响。这又一次说明不同的绩效衡量方法会对结果产生影响。我们先汇报资产净利率（ROA）与股权结构的相互关系结果，再给出托宾Q值与股权结构的相互关系结果。我们发现股权集中度变量（第一大股东持股比例）与国有股持股比例、法人股持股比例呈现积极的正相关关系，但是与流通股持股比例呈现积极的负相关关系。这意味着国有股和法人股对公司的股权结构产生重要影响。第一大股东持股比例与公司资产规模（SIZE）有显著的积极影响，但是管理层持股与公司资产规模（SIZE）之间没有影响关系。这暗示着大股东们拥有更多的能力为公司获得更多的资源，而管理层在这方面的优势相比之下很渺小。我们发现公司特有风险变量与公司股权变量呈现负相关关系，这暗示着风险约束对公司股权结构的调整影响。第一大股东持股性质与股权变量（CR）呈现反方向变化，这意味着非国有股股东对国有股东造成了一定影响。国有股东在上市公司中的比重越来越低。我们还发现资产负债率与第一大股东持股比例呈现反方向变动，这意味着负债规模如果过大会对公司的股权结构造成约束影响。公司特有风险与公司绩效变量（托宾Q值）是积极正向显著作用关系，这意味着公司承担较大的风险能够在未来提高公司的绩效水平。然而公司特有风险与公司绩效变量（ROA）却呈现反向关系，这意味着公司特有风险对公司短期绩效产生了负相关作用。关于投资支出变量，我们发现公司绩效变量资产净利率（ROA）与投资支出呈现积极的正相关关系，然而托宾Q值与资本支出变量之间不存在相关性。这意味着投资规模对公司近期的绩效会产生影响，而对公司远期的绩效增长不会带来影响。我们发现国有股持股比例和法人股持股比例与资本支出呈现正向积极显著关系，而流通股持股比例与资本支出之间呈现反向的消极显著关系，这意味着国有股东对投资支出产生了积极影响，进而影响到公司绩效，而流通股股东的影响恰好相反。公司成长率、公司规模和固定资产比重对公司投资支出均产生了积极影响，这意味着大公司会愿意增加投资，进而提高了公司绩效。第一大股东属性与投资支出呈现反向关系，这暗示着国有股股东相比非国有股股东更愿意进行投资。我们还发现国有股持股比例和法人股持股比例与公司绩效变量（ROA和托宾Q值）均呈现积极的正相关关系，而流通股持股比例与公司绩效变量之间呈现显著的负相关关系。这暗示着在目前上市公司中，国有上市公司依然是推动公司绩效水平的主要因素。虽然前面提到上市公司整体流通股的比重超过了国有股的比重，但是流通股股东的影响力远不及国有股股东的影响力。公司资产负债率与公司绩效变量（ROA和托宾Q值）均呈现负相关关系，这意味着负债融资对公司绩效产生了约束作用。在资本结构理论里，在融资方式顺序的选择上，啄食顺序理论指出负债融资相比权益融资方式是首选。尤其在发达国家，负债融资方式往往是由于权益融资方式的首先采用的，但是这种理论指导并不适用于在我国资本市场上。在我国资本市场上，在现阶段权益融资是上市公司融资的主要手段，股票市场是上市公司融资的主要市场，而我国的债券市场始终没有起色。关于公司的现金流状况，我们发现公司现金流与公司绩效变量（ROA和托宾Q值）均呈现积极的显著正向作用，这暗示着公司现金流量对公司绩效的增长产生了直接影响。4.6 面板单位根检验做经济研究过程中，将变量假设到平稳状态是一般选择，以此为基础进行模型参数估计和假设条件的检验，而实际情况中很多经济数据生成并不稳定，很多时候平稳序列研究证实因为这些非平稳数据，直接导致研究方法的失效。本书认为，单位根过程属于非平稳过程之一，而且在实际检验中出现频率很高，虽然能够确定其一阶差分过程属于平稳模态，但是建模前需要对时间序列做单位根的检验，这是剔除伪回归情况的重要前提，该概念基本已经覆盖现代经济计量分析的所有方法中，第一步就是完成该步骤。本部分我们将讨论数据的稳定性问题。考虑大多数经济数据序列是随着时间的变化而变化，如果在实证估计中使用非平稳数据进行估计可能导致结果不真实。我们应该先检测是否每一个变量是稳定，检查是否每个序列是单整，是否包括一个单位根。VAR理论要求模型中每一个变量是平稳的，因此我们在构建VAR模型前需要检验变量的平稳性，检查序列平稳性的标准方法是单位根检验。因为我们研究中的数据是面板数据，我们将要采用的模型是面板向量自回归模型。建立PVAR模型前，需对各研究变量数据进行单位根检验，确保所选数据具备平稳性。若面板数据不平稳，则可能使PVAR模型的估计结果有所偏差或使脉冲响应函数图与乔利斯基方差分解测算结果失真。在我们的全部研究中，我们将使用四种方法进行单位根检验，具体包括有LLC（Levin-Lin-Chu）检验（Levin et al.，2002）、IPS（Im-Pesaran-Shin）检验（Im et al.，2003）、Fisher-types检验：ADF（Maddala & Wu, 1999）和PP检验（Choi ,2001）。马德拉和吴（Maddala& Wu, 1999）提出的ADF方法多用于时间序列数据；莱文、林和朱（Levin, Lin & Chu, 2002）提出的LLC方法与尹、佩斯卡拉和申（Im, Pesaran & Shin, 2003）提出的IPS方法多用于面板数据。Fisher-A